Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/大题十年考点/15-点14-概率多维随机变量.md
T
Yimu c16a754752 新增「大题十年考点」系列:按十年解答题倒推的 15 个考点族
- 19 个 md:README + 01-知识点盘点(§0.4 反查 + §1—§15 地图)
  + 01b-覆盖对照与接口 + 15 个点文件 + 17-速查卡
- 62 题、57 个知识点;覆盖高数 45 + 线代 15 + 概率 15 共 75 道解答题
  (820 分:高数 480 / 线代 170 / 概率 170)
- 题量按「核心 ★★★ 2—3 题、边缘 ★★☆ 1—2 题」落地,
  题面标注真题骨架年份者为结构对齐,未标注者为原创

同批收尾:
- 逐题数值复核,修 7 处,其中两处答案错:
  点 8 题 4(2022·19 斯托克斯)由 -π/32 改为 0;
  点 12 曲面识别表「一正两零」改为两张平行平面
- 01-知识点盘点 曾达 1.58 万字符,§0.1—§0.3 迁入 01b,回落至 1.34 万
- gen_crosslinks.py 兼容新点文件命名与盘点名变体
- check_md_links.py 对 %20 编码路径做 unquote 解码
- 新增 stat_difficulty.py:难度分布 / 多问结构 / 体积自检
2026-11-01 21:43:01 +08:00

179 lines
9.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 大题十年考点, 概率论与数理统计, 多维随机变量, 函数分布, 混合型]
专题: 大题十年考点 · 点14 概率·多维随机变量
日期: 2026-11-01
状态: 知识点带题(14.1 二维密度与独立性、14.2 函数分布、14.3 混合型与全概率,共 3 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[概率论-第3讲-多维随机变量及其分布]]"]
---
# 点 14 概率 · 多维随机变量
> 真题锚点:2016·22、2017·22、2018·22、2019·22、2020·22、2021·22、2023·22、2025·22(十年 **8 题 91 分**)|重要度 ★★★
> 依赖:一维分布、二重积分。盘点对应:§14 全节。完整知识见 [概率论-第3讲](../概率论-第3讲-多维随机变量及其分布/README.md)。
**组织原则**:概率大题**只有两个来源**,这是其中更大的一半(8 题 91 分)。3 题按"给定联合密度(求边缘、判独立)$\to$ 求函数分布(卷积)$\to$ 混合型(全概率)"排,正好是十年出现过的三种骨架。
## 知识点 14.1 二维密度、边缘与独立性(出处:参考仓库未收录,转引 [概率论-第3讲](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
联合密度 $f(x,y)$ 的两条基本性质:$f\ge0$ 且 $\iint_{\mathbb R^2}f=1$ 。
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx .$$
**独立** $\iff$ $f(x,y)=f_X(x)f_Y(y)$ (几乎处处)$\iff$ 联合密度的**定义域是矩形**(笛卡尔积)且能分离变量。
**均匀分布的两步**:面积 $S_D=\iint_D1\,d\sigma$ ,$f=1/S_D$ (在 $D$ 内)。**边缘密度靠"固定 $x$ 积 $y$ "**,此时 $y$ 的上下限由区域边界给出——这是最容易写错的地方。
**判独立的快速法**:若 $f\ne0$ 的区域是三角形、圆、$y\ge x^2$ 之类的**非矩形**,一定不独立(边缘密度的支撑不重合)。
## 知识点 14.2 随机变量函数的分布(出处:[概率论-第3讲 · 函数分布](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
**和的分布(卷积)**:
$$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_{Y}(z-x)dx\quad(\text{独立时}).$$
**分段的关键**:被积函数非零要同时满足"$x$ 在 $X$ 的支撑内"与"$z-x$ 在 $Y$ 的支撑内",两个不等式取交,随 $z$ 分段。
**分布函数法(通用)**:
$$F_Z(z)=P\{g(X,Y)\le z\}=\iint_{g(x,y)\le z}f(x,y)\,dxdy,$$
再对 $z$ 求导。**比"套公式"通用**,商、极值、平方都用它。
## 知识点 14.3 混合型与全概率公式(出处:参考仓库未收录,转引 [概率论-第3讲 · 条件分布](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
两个随机变量一个离散一个连续时,用**全概率**:
$$f_Y(y)=\sum_kP\{X=x_k\}\,f_{Y\mid X=x_k}(y).$$
条件概率的反向问题(求 $P\{X=x_k\mid Y\le y_0\}$ )用**贝叶斯**:
$$P\{X=x_k\mid Y\le y_0\}=\frac{P\{X=x_k\}P\{Y\le y_0\mid X=x_k\}}{P\{Y\le y_0\}} .$$
分母就是上面那个 $f_Y$ 的积分。**这类题的分数全在"分母算对没有"**。
---
## 题目(按知识点顺序对应)
### 题 1 · 14.1:曲边区域上的均匀分布(★★☆)
> 【2016·22 骨架】设二维随机变量 $(X,Y)$ 在区域 $D=\{(x,y):0\le x\le1,\ x^2\le y\le1\}$ 上服从均匀分布。
>
> (Ⅰ)求边缘密度 $f_X(x)$ 与 $f_Y(y)$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否独立;(Ⅲ)求 $P\left\{X>\dfrac12\right\}$ 。
**怎么想**:先算区域面积(均匀分布的密度就是面积的倒数),再"固定一个变量积另一个"。判独立看两条:密度能否分离、支撑是不是矩形。
**解**:(Ⅰ)区域面积
$$S_D=\int_0^1\left(1-x^2\right)dx=1-\frac13=\frac23\ \Longrightarrow\ f(x,y)=\frac32,\quad (x,y)\in D .$$
**边缘 $f_X$ **:固定 $x\in[0,1]$ ,$y$ 从 $x^2$ 到 $1$ :
$$f_X(x)=\int_{x^2}^{1}\frac32\,dy=\frac32\left(1-x^2\right),\quad 0\le x\le1;\ \text{其余为}\ 0 .$$
**边缘 $f_Y$ **:固定 $y\in[0,1]$ ,由 $x^2\le y$ 得 $x\le\sqrt y$ ,故 $x$ 从 $0$ 到 $\sqrt y$ :
$$f_Y(y)=\int_0^{\sqrt y}\frac32\,dx=\frac32\sqrt y,\quad 0\le y\le1;\ \text{其余为}\ 0 .$$
(Ⅱ)**不独立**。在 $0<x<1,0<y<1$ 内,
$$f_X(x)f_Y(y)=\frac94\left(1-x^2\right)\sqrt y\ne\frac32=f(x,y).$$
更直接的理由:$f\ne0$ 的支撑是曲边三角形 $\{x^2\le y\le1\}$ ,**不是矩形**,故必不独立。
(Ⅲ)
$$P\left\{X>\frac12\right\}=\int_{1/2}^{1}f_X(x)dx=\frac32\left[x-\frac{x^3}{3}\right]_{1/2}^{1}=\frac32\left[\left(1-\frac13\right)-\left(\frac12-\frac1{24}\right)\right]$$
$$=\frac32\left[\frac23-\frac{11}{24}\right]=\frac32\cdot\frac{5}{24}=\frac{5}{16}.$$
**验算**:$\int_0^1f_X=\frac32\left(1-\frac13\right)=1$ ✓;$\int_0^1f_Y=\frac32\cdot\frac23=1$ ✓。$P\{X>1/2\}=\frac{5}{16}\approx0.31$ ,而 $X$ 的密度在 $x$ 大时更小($1-x^2$ 递减),故应小于 $\frac12$ ✓。
**带走结论**:**均匀分布题的三步——算面积、定倒数、按边界积边缘**。判独立优先看"支撑是不是矩形",比逐个验 $f=f_Xf_Y$ 快。
> **关联** · 盘点 [§14.1 二维密度、边缘与独立性](01-知识点盘点.md#user-content-141-二维密度边缘与独立性) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 2 · 14.2:离散与连续混合的卷积(★★★)
> 设随机变量 $X$ 与 $Y$ 相互独立,$X$ 服从 $(0,1)$ 上的均匀分布,$Y$ 服从参数为 $1$ 的指数分布。令 $Z=X+Y$ 。
>
> (Ⅰ)求 $Z$ 的概率密度;(Ⅱ)求 $E(Z)$ 与 $D(Z)$ 。
**怎么想**:两个连续型独立随机变量求和,直接用卷积。被积函数非零要同时满足 $0<x<1$ 与 $z-x>0$ ,即 $\max(0,z-1)<x<\min(1,z)$ ——$\max$ 与 $\min$ 谁起作用取决于 $z$ 是否超过 $1$ ,这就是分段的由来。
**解**:(Ⅰ)$f_X(x)=1\ (0<x<1)$ ,$f_Y(y)=e^{-y}\ (y>0)$ ,其余为 $0$ 。卷积
$$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{\max(0,z-1)}^{\min(1,z)}e^{-(z-x)}dx .$$
**当 $z\le0$ ** :区间为空,$f_Z(z)=0$ 。
**当 $0<z<1$ ** :$\max(0,z-1)=0$ ,$\min(1,z)=z$ ,
$$f_Z(z)=\int_0^ze^{x-z}dx=e^{-z}\left[e^x\right]_0^z=1-e^{-z} .$$
**当 $z\ge1$ ** :$\max(0,z-1)=z-1$ ,$\min(1,z)=1$ ,
$$f_Z(z)=\int_{z-1}^{1}e^{x-z}dx=e^{-z}\left(e-e^{z-1}\right)=(e-1)e^{-z} .$$
故
$$f_Z(z)=\begin{cases}0,&z\le0\\ 1-e^{-z},&0<z<1\\ (e-1)e^{-z},&z\ge1\end{cases}$$
(Ⅱ)由独立性,
$$E(Z)=E(X)+E(Y)=\frac12+1=\frac32,\qquad D(Z)=D(X)+D(Y)=\frac{1}{12}+1=\frac{13}{12}.$$
**验算**:检查 $f_Z$ 的归一性:
$$\int_0^1\left(1-e^{-z}\right)dz+\int_1^{+\infty}(e-1)e^{-z}dz=1-\left(1-e^{-1}\right)+(e-1)e^{-1}=e^{-1}+1-e^{-1}=1\ ✓$$
在 $z=1$ 处两段相等:$1-e^{-1}=(e-1)e^{-1}$ ✓ 连续。
**带走结论**:**卷积的分段点来自"被积区间端点的切换"**——本题在 $z=1$ 处切换,因为 $z-1$ 超过了 $0$ 。答题时先写 $\max/\min$ 的通用式,再分情况,比直接猜分段稳。
> **关联** · 盘点 [§14.2 随机变量函数的分布](01-知识点盘点.md#user-content-142-随机变量函数的分布) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 3 · 14.3:混合型用全概率与贝叶斯(★★☆)
> 【2020·22 骨架】设随机变量 $X$ 的分布为 $P\{X=1\}=P\{X=2\}=\dfrac12$ 。在 $X=k$ 的条件下,$Y$ 服从 $(0,k)$ 上的均匀分布($k=1,2$ )。
>
> (Ⅰ)求 $Y$ 的概率密度 $f_Y(y)$ ;(Ⅱ)求 $P\{X=1\mid Y\le1\}$ 。
**怎么想**:$X$ 离散、$Y$ 连续,$Y$ 的密度用**全概率**(按 $X$ 的取值加权);反向的条件概率用**贝叶斯**,分母是 $P\{Y\le1\}$ 。
**解**:(Ⅰ)在 $X=k$ 下 $f_{Y\mid X=k}(y)=\frac1k$ ($0<y<k$ ),其余为 $0$ 。由全概率公式:
$$f_Y(y)=P\{X=1\}f_{Y\mid X=1}(y)+P\{X=2\}f_{Y\mid X=2}(y).$$
- $0<y<1$ :两个条件密度都不为零,$f_Y(y)=\frac12\cdot1+\frac12\cdot\frac12=\frac34$ ;
- $1\le y<2$ :只有 $k=2$ 那项,$f_Y(y)=\frac12\cdot\frac12=\frac14$ ;
- 其余 $y$ :$f_Y(y)=0$ 。
即
$$f_Y(y)=\begin{cases}\frac34,&0<y<1\\ \frac14,&1\le y<2\\ 0,&\text{其他}\end{cases}$$
(Ⅱ)先算分母:
$$P\{Y\le1\}=\int_0^1\frac34dy=\frac34 .$$
分子:
$$P\{X=1,\ Y\le1\}=P\{X=1\}P\{Y\le1\mid X=1\}=\frac12\cdot1=\frac12 .$$
故
$$P\{X=1\mid Y\le1\}=\frac{\frac12}{\frac34}=\frac23 .$$
**验算**:归一性 $\int_0^1\frac34+\int_1^2\frac14=\frac34+\frac14=1$ ✓。合理性:$Y\le1$ 时既可能来自 $X=1$ (概率 $\frac12$ 全部落在 $(0,1)$ 内)也可能来自 $X=2$ (只有一半落在 $(0,1)$ 内),权重 $\frac12:\frac14=2:1$ ,故后验 $\frac23$ ✓。
**带走结论**:**"离散 $+$ 连续"的题一律全概率**:$f_Y=\sum_kP\{X=x_k\}f_{Y\mid k}$ ,分段点就是各个条件支撑的端点。**贝叶斯的分子是联合概率、分母是边缘概率**,分母一定要单独算清楚。
> **关联** · 盘点 [§14.3 混合型与全概率](01-知识点盘点.md#user-content-143-混合型与全概率) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---